如何将Tensorflow.js（.json）模型转换为Tensorflow（SavedModel）或Tensorflow Lite（.tflite）模型？

我有一个来自Google的Tensorflow.js（tfjs）的预先训练过的PoseNet模型，所以它是一个json文件

但是，我想在Android上使用它，所以我需要

.tflite

模型。虽然有人将类似的模型从tfjs“移植”到tflite，但我不知道他们转换了什么模型（PoseNet有许多变体）。我想自己做这些步骤。另外，我不想运行某些人上传到stackOverflow文件中的任意代码：

注意：小心不可信的代码TensorFlow模型是代码。有关详细信息，请参阅安全使用TensorFlow

---

有人知道这样做的方便方法吗？

通过查看json文件，您可以找到tfjs格式。它经常说“图形模型”。他们之间的区别是

从tfjs图形模型到SavedModel（更常见） 被使用

将tfjs\u graph\u converter.api作为tfjs导入
tfjs.graph\u model\u到保存的\u model(
“savedmodel/posenet/mobilenet/float/050/model-stripe16.json”，
“realsavedmodel”
)
#以下代码摘自https://www.tensorflow.org/lite/convert/python_api
converter=tf.lite.TFLiteConverter.from_saved_model（“realsavedmodel”）
tflite_model=converter.convert（）
#保存TF Lite模型。
将tf.io.gfile.gfile（'model.tflite'，'wb'）作为f：
f、 写入（tflite_模型）

---

从tfjs层模型到SavedModel 注意：这只适用于图层模型格式，而不是问题中的图形模型格式。我已经写下了它们之间的区别

---

并使用tensorflowjs convert将

.json

文件转换为Keras HDF5文件（从另一个文件）

在mac上，您将面临运行pyenv（）的问题，而在Z-shell上，pyenv无法正确加载（）。另外，一旦pyenv运行，使用

python-m pip install tensorflowjs

而不是

pip install tensorflowjs

，因为pyenv没有为我更改pip使用的python

一旦您遵循了，运行

tensorflowjs_converter

以验证它是否可以正常工作，并且只需警告您

缺少输入路径参数

。然后：

tensorflowjs_converter --input_format=tfjs_layers_model --output_format=keras tfjs_model.json hdf5_keras_model.hdf5

使用将Keras HDF5文件转换为保存的模型（标准Tensorflow模型文件）或直接转换为

.tflite

文件。以下内容在Python文件中运行：

或保存到已保存的模型：

# Convert the model.
model = tf.keras.models.load_model('hdf5_keras_model.hdf5')
tf.keras.models.save_model(
    model, filepath, overwrite=True, include_optimizer=True, save_format=None,
    signatures=None, options=None
)

---

在步骤1中，

tensorflowjs_转换器

无法转换。此GitHub意味着PoseNet模型（如OP引用的模型）的格式为

tfjs\u graph\u model

（而非

tf\u layers\u model

），无法转换为KERA。您是如何将PoseNet模型转换为Keras的？复制步骤：运行Docker容器

python:3.8

，然后安装TensorFlow.js

pip安装tensorflowjs

，然后尝试转换

tensorflowjs\u转换器--input\u format=tfjs\u layers\u model--output\u format=keras/posenet/js/model-strip16.json/posenet/keras/hdf5\u keras\u model.hdf5

。错误消息：

File”/usr/local/lib/python3.8/site packages/tensorflow/python/keras/layers/serialization.py”，第101行，在反序列化层class\u name=config['class\u name']keyrorm:'class\u name'

向Glen道歉，我不知道图形模型和层模型格式之间的区别。我是OP，基本上没有回答我自己的问题。我的答案只适用于

tfjs\u layers\u model

无需担心。同时，我找到了一个解决方案，可以将TensorFlow.js图形模型可靠地转换为SavedModel格式。从那里，如果需要的话，获得TF-Lite模型应该非常简单。感谢@Glen，我已经能够创建一个model.tflite，并且已经更新了图形和图层模型格式的答案。

# Convert the model.
model = tf.keras.models.load_model('hdf5_keras_model.hdf5')
tf.keras.models.save_model(
    model, filepath, overwrite=True, include_optimizer=True, save_format=None,
    signatures=None, options=None
)